-
题名人工智能技术在医疗数据挖掘中的应用现状探索
- 1
-
-
作者
魏星
葛庆伟
-
机构
天津市医学科学技术信息研究所
-
出处
《中国高新科技》
2025年第6期52-54,共3页
-
文摘
人工智能技术在医疗数据挖掘中的应用越来越广泛。文章分析了医疗数据挖掘的基本理论,对数据挖掘的主要流程,包括数据采集、预处理、存储与管理、分析与挖掘以及结果解释与评估进行阐述,并重点介绍人工智能算法,如机器学习、深度学习和自然语言处理技术在医疗数据挖掘中的应用途径。对未来发展趋势进行展望,旨在为推动人工智能技术在医疗数据挖掘中的广泛化应用提供全面化技术参考。
-
关键词
人工智能
医疗数据挖掘
机器学习
深度学习
自然语言处理
-
Keywords
artificial intelligence
medical data mining
machine learning
deep learning
natural language processing
-
分类号
TP311
[自动化与计算机技术]
-
-
题名基于深度学习的医疗数据智能分析与识别系统设计
被引量：6
- 2
-
-
作者
谷丽霞
刘欣芃
-
机构
上海市第六人民医院
郑州大学西亚斯学院
-
出处
《电子设计工程》
2021年第10期46-50,共5页
-
基金
上海市科技厅项目(3160235B)。
-
文摘
针对医疗数据的智能化识别与分析需求,文中对医疗财务大数据挖掘的相关方法进行了研究。通过引入深度学习中的深度置信网络(DBN),结合Autoencoder自编码网络构建了数据处理系统,实现对医院经营状态的自动化评估。DBN网络使用受限玻尔兹曼机(RBM)替代了传统神经网络中神经元结构作为网络的隐藏层,该结构可以多个堆叠,提升网络的泛化能力。使用Gibbs抽样,得到RBM的近似分布,提升算法的训练效率。同时Autoencoder网络可以从大维度的财务经营数据中,筛选出更能描述数据特性的特征维度。为了验证系统算法的性能,在某医院的财务数据集上进行测试,使用Autoencoder自动提取17个财务数据指标作为模型的输入特征,以评估结果作为模型的输出向量。对比实验结果表明,相较于逻辑回归、BP神经网络等浅层的机器学习算法,文中算法的AUC与Accuracy分别可以达到0.81、80.0%,具有较为明显的提升。
-
关键词
深度学习
DBN
RBM
Autoencoder
医疗数据挖掘
-
Keywords
deep learning
DBN
RBM
Autoencoder
medical data mining
-
分类号
TN95
[电子电信—信号与信息处理]
TP311
[自动化与计算机技术—计算机软件与理论]
-
